728 x 90

Inteligencja zmyliła inteligentnych

Inteligencja zmyliła inteligentnych

W tym artykule chcemy znaleźć definicję Sztucznej Inteligencji. Powodem jego stworzenia była pewna wymiana zdań, w trakcie której okazałao się, że każdy rozumie ten termin po swojemu. Podejmijmy więc dyskusję raz jeszcze.

Wprowadzenie.

Zajmijmy się teraz tym fundamentalnym pytaniem: czym jest, a czym nie jest SI. Ustalenie, która inteligencja jest sztuczna, a która nie, nie jest problemem. Problemem jest ustalenie, czy coś jest inteligentne, czy nie. Ten problem powodował, powoduje i prawdopodobnie będzie jeszcze długo powodował zamieszanie w głowach nawet bardzo inteligentnych ludzi.

Wiele osób zajmujących się badaniami, zwłaszcza uczeniem maszynowym, unika raczej tego pytania, twierdząc, że jest to problem filozoficzny, nieokreślony, a więc też nie naukowy (i nieuchronnie dotykanie tej sprawy powoduje jeszcze więcej problemów). Zamiast tego używają odpowiednika “wpisywania kaczki”.

Duck typing – rozpoznawanie typu obiektu nie na podstawie deklaracji, ale przez badanie metod udostępnionych przez obiekt. Technika ta wywodzi się z powiedzenia: “jeśli chodzi jak kaczka i kwacze jak kaczka, to musi być kaczką (Wikipedia)

Zatem jeśli coś wygląda na inteligentne to jest inteligentne!

Nie zgadzam się z tym podejściem i myślę, że uzyskanie tej definicji ma kluczowe znaczenie dla tej dziedziny nauki, nawet jeśli oznacza to przejście przez kolejną burzę dyskusji.

Ludzie związani z uczeniem maszynowym twierdzą, że dyskusja ta jest niejasna i problematyczna. Niemniej chciałbym zasugerować, że to właśnie ich obowiązek i praca, aby sprecyzować takie definicje. Temat ten podejmowałem często na moim blogu: [Intelligence is real], [Reactive vs Predictive  AI], [AI and the ludic fallacy], [Outside the box].

Podstawowe założenia.

Zanim zacznę, oczyszczę atmosferę kilkoma podstawowymi założeniami. Zakładam, że inteligencja jest naturalnym, fizycznym zjawiskiem, a nie niczym ponadnaturalnym – to powinno (mam nadzieję) zapobiec zejściu dyskusji na tory związane z religią, wolną wolą, świadomością itd. Jako taki, to naturalne zjawisko jest wykorzystywane przez szereg różnorodnych zwierząt żyjących na Ziemi, włączają w to (ale nie ograniczając tylko do nich) pewien gatunek małp, nazywających się ludźmi.

Intuicyjnie możemy powiedzieć, że jest pewna ciągłość w poziomach inteligencji, co możemy zaobserwować jako różnice w złożoności zachowań małych i prostszych zwierząt w stosunku do zwierząt większych i bardziej rozwiniętych. Te różnice są luźno związane z wielkością ich mózgu, jednakże z powodu braku precyzyjnej definicji zjawiska inteligencji, trudno to sprawdzić ilościowo.

Chociaż inteligencję możemy zaobserwować tylko w istnieniach biologicznych, a nie udało to się do tej pory w przypadku elektroniki, zakładam również, że jest ona obliczalna. W tej chwili nie zakładam jednak, że obliczenia te potrzebowałyby specjalnych i ponad klasycznych narzędzi (takich jak obliczenia kwantowe). Uznajmy więc, że inteligencja jest czysto klasyczna i mechaniczna, ale jednocześnie zależy od stopnia skomplikowania systemu, w którym można ją dostrzec.

Definicję inteligencji możemy zaakceptować, jeśli pozwoli jednoznacznie odróżnić formy inteligentne od tych nieinteligentnych. Definicja jest dobra, jeśli w każdym przypadku potrafi określić jednoznaczne granice.

Testowanie testu Turinga.

W 1950 Alan Turing zaproponował test “Czy maszyny myślą?”. Podstawą było użycie ludzi do oceny, czy inne jednostki są inteligentne, czy nie, na bazie wymiany pisanych wiadomości, co pozwalało uniknąć jakichkolwiek wcześniejszych osądów sprawdzanej jednostki. Generalnie sprowadza się to znów do stwierdzenia “jeśli coś wygląda na inteligentne to jest inteligentne”.

Test jest w zasadzie bardzo dobry, bo próba jego obalenia prowadzi do Solipsyzmu.

Solipsyzm (łac. solus ipse, “ja sam”) – pogląd filozoficzny głoszący, że istnieje tylko jednostkowy podmiot poznający, cała zaś rzeczywistość jest jedynie zbiorem jego subiektywnych wrażeń – wszystkie obiekty, ludzie, etc., których doświadcza jednostka, są tylko częściami jej umysłu. Podobnym poglądem jest materialistyczny agnostycyzm, mówiący, że nic poza umysłem jednostki nie może być absolutnie udowodnione; wszystko inne może być po prostu iluzją, wyobraźnią lub czymkolwiek mającym miejsce (egzystującym) w obrębie umysłu danej osoby. (Wikipedia)

Jeśli ktoś kwestionuje inteligencję jednostki, która zdaje test, kwestionuje inteligencję dowolnej jednostki poza sobą. To jednak nie znaczy, że ten test jest nieużyteczny.

Po pierwsze, Turing założył, że inteligencja jest werbalną równością. Cały test bazuje na wymianie werbalnych wiadomości, a więc zostanie “oblany” przez każde zwierzę, poza człowiekiem (a pewnie nawet kilku ludzi by go oblało). To niedobrze, gdyż ten test jest testem binarnym: albo mamy do czynienia z inteligencją człowieka, albo z żadną. Dodatkowo test Turinga zakłada, że testowany podmiot będzie wywodził się z tej samej kultury, z tymi samymi filozoficznymi priorytetami, w przeciwnym wypadku raczej test obleje, udzielając “dziwnych” odpowiedzi.

Po drugie, test Turinga imituje pewnego rodzaju grę. Już sama jego definicja zachęca do stworzenia serii “inteligentnych” chat botów, które mogą oszukać ludzi tak jak magik materializujący królika w swoim kapeluszu. Będą myśleli, że mają do czynienia z prawdziwą “inteligencją” (przynajmniej przez pewien czas).

Być może podstawowa idea testu jest prawidłowa, Turing powinien raczej jednak skupić się na innych aspektach, niż interakcja werbalna.

Inteligencja oznacza uczenie się, jednak nie odwrotnie.

Możemy z łatwością określić wiele parametrów, które mogą opisać inteligencję. Najważniejsza jest chyba jej zdolność do uczenia się oraz dostosowywania się do środowiska. Jednak liczenie samo w sobie jest po prostu modyfikacją wewnętrznych zmiennych w zależności od zewnętrznych bodźców. Zatem termostat też jest inteligentny. W zasadzie każdy proces, który używa pewnej optymalizacji w czasie, może zostać uznany za inteligentny, zgodnie z tą definicją. Nie jest więc to definicja użyteczna.

 

Inteligencja a gry.

Zastanówmy się nad zagadnieniem, które często jest analizowane w zakresie sztucznej inteligencji: nad grami. Jeśli gramy w grę, której reguły nie są ustalone, najlepszą strategią jest nauczyć się przewidywać to, co może być przewidziane i zachowywać się zgodnie z otrzymywanymi w trakcie gry sygnałami o błędach/niepowodzeniach. To może być robocza wersja definicji inteligencji. Sztuczna inteligencja jest więc tu dowolnym syntetycznym systemem, który może się w ten sposób zachowywać. Definicja wydaje się dobra, bo nie jest obciążona czynnikiem ludzkim, nie zawiera elementów werbalnych (jak test Turinga) i nie jest tak ograniczona jak w przypadku uczącego się termostatu.

Agent, który gra w grze, może nie mieć dostępu do zasad gry (które są zdefiniowane przez jego twórcę, a więc dla niego oczywiste i jasne). Agent zachowuje się więc inteligentnie wewnątrz tej gry. Oczywiście ta definicja jest jawnie słabszą inteligencją.

Podsumowanie.

Spróbujmy to wszystko jakoś uporządkować, określając kolejne poziomy inteligencji:

  1. Podstawowa inteligencja – optymalizuje  entropię przyczynową w bardzo ograniczonym i stabilnym ekosystemie (np. systemy predykcyjno-kontrolne).
  2. Inteligencja wewnątrz gry – optymalizuje w celu osiągnięcia nagrody, tworząc optymalną strategię.
  3. Prosta inteligencja – potrafi istnieć w relatywnie prostym, stabilnym albo ograniczonym ekosystemie.
  4. Złożona inteligencja – potrafi istnieć w szerokim spektrum ekosystemów, włączając w to dostosowywanie się przy zmianie ekosystemów (większość zwierząt tu będzie pasować).
  5. Werbalna inteligencja – zwierzęta, które potrafią zwerbalizować swoje stany wewnętrzne (np. ludzie, prawdopodobnie też wieloryby lub słonie).

Tak to mniej więcej widzę. Nasza aktualna wiedza pozwala zbudować inteligencję na poziomie 2. Całkiem nieźle. Powoli wchodzimy też w zakres poziomu trzeciego (np. w przypadku autonomicznych samochodów czy robotów). Do kolejnych poziomów dzielą nas lata pracy.

Więcej i dokładniej możesz przeczytać na oryginalnym blogu autora (po angielsku).

Źródło obrazów: opracowanie własne i materiały autora.

2 comments

Leave a Comment

Your email address will not be published. Required fields are marked with *

Cancel reply

2 Comments

  • […] Więcej o Machine Learning w kontekście CoreML już niedługo na FRIWEB. Tymczasem zapraszamy do przeczytania artykułu podejmującego próbę definicji, czym jest sztuczna inteligencja. […]

    REPLY
  • […] Więcej o Machine Learning w kontekście CoreML już niedługo na FRIWEB. Tymczasem zapraszamy do przeczytania artykułu podejmującego próbę definicji, czym jest sztuczna inteligencja. […]

    REPLY

Inne artykuły